MétaCan
Menu
Retour à la cohorte
Enregistrement W4414666363 · doi:10.1111/conl.13150

What Will Count?—Evidence for the Global Recognition of Other Effective area–based Conservation Measures

2025· article· en· W4414666363 sur OpenAlexaff
Carly N. Cook, Christopher J. Lemieux, Hedley S. Grantham, Madhu Rao, Peter J. Clyne, Vanessa Rathbone, Roshan Sharma

Notice bibliographique

RevueConservation Letters · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesAustralian Research CouncilMonash University
Mots-clésCredibilityConservation scienceBiodiversity conservation

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Other effective area–based conservation measures (OECMs) are anticipated to play an important role in progress towards global protection targets, with progress being judged on the basis of the areas reported to the World Database on Other Effective area‐based Conservation Measures (WD‐OECM). Given concerns that OECMs may be designated inappropriately, in this study we asked what evidence has been provided to show that sites have been assessed against the criteria to be OECMs. We found <5% of the 6,482 sites in the dataset provide supporting information of any kind, and 2.2% of sites have features that conflict with the definition of an OECM. Although our results cannot determine if sites genuinely meet the criteria to be recognized as OECMs, they reveal a significant issue with the ability to verify whether sites should be in the WD‐OECM. To increase the credibility of OECMs, we recommend sites be classed as unconfirmed until they can demonstrate they meet the relevant criteria.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,477

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,256
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConservation LettersMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207